-
Patent Agency Ranking
公开(公告)号：CN116305919A
公开(公告)日：2023-06-23
申请号：CN202310250035.X
申请日：2023-03-15
Applicant: 东南大学
IPC: G06F30/20 , G06F111/04 , G06F119/12
Abstract: 本发明旨在研究约束限制下的分布式优化问题，提供了一种新的时变非平衡图上约束优化的分布式离散时间算法，用于处理不等式约束以及闭凸集约束的凸优化问题，并改进了Push‑pull框架，经证明可有效的解决该类约束优化问题。在考虑图序列时变、图不平衡的条件下，设计了一系列完全分布式的离散算法，考虑了带有N个不同不等式约束和N个不同闭凸集约束，分析并证明提出算法的收敛性，分析了其收敛速率。该分布式优化算法思路合理，求解高效，能有效的解决多无人系统中的自主优化决策问题。
-
公开(公告)号：CN116933994A
公开(公告)日：2023-10-24
申请号：CN202310250034.5
申请日：2023-03-15
Applicant: 东南大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06N3/092 , G06N3/098
Abstract: 本发明提供了一种针对发电成本函数未知的动态经济调度方法，该方法包含提出了一种新的分布式训练分布式执行的强化学习框架，并在该框架下，设计了一种融合分布式优化和强化学习方法的经济调度算法。本发明提出的分布式强化学习优化算法基于分布式优化理论和强化学习模型，使用分布式的方式解决了发电成本函数未知的动态经济调度问题，可提高智能电网的电力供应。此外，本文提出的分布式强化学习算法不仅可以有效进行智能电网中的配电管理，还可以适用于大规模的智能电网场景。通过仿真结果实例，进一步说明此分布式强化学习优化算法在动态经济调度问题的数值示例中具有良好的性能和有效性。
-
公开(公告)号：CN119578212A
公开(公告)日：2025-03-07
申请号：CN202411559487.7
申请日：2024-11-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于逆向不确定性量化的电力系统正向不确定性量化方法，首先采用逆向不确定性量化建立暂态参数的不确定性模型，采用MCMC方法得到符合该模型的参数样本，再实现逆向不确定性量化样本数与正向不确定性量化所需样本数的统一，最后对系统输出进行正向不确定性量化。本发明方法通过逆向不确定性量化构建合理的暂态参数不确定性模型，并将其应用到电力系统输出结果的不确定性量化中，从而提高新型电力系统不确定性量化结果的准确度。
-
公开(公告)号：CN119675162A
公开(公告)日：2025-03-21
申请号：CN202411785233.7
申请日：2024-12-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于太阳辐照度变化的光伏系统动态状态估计方法及系统，将太阳辐照度的随机性视为DSE的未知输入，并将其以无偏最小方差形式合并到无迹卡尔曼滤波算法中，实现光伏系统的状态估计。本发明方法能够及时准确地估计光伏系统的动态状态，解决了光照波动性影响估计精度的问题，更好地描述电力系统的运行状态。
-
公开(公告)号：CN116260775A
公开(公告)日：2023-06-13
申请号：CN202310250033.0
申请日：2023-03-15
Applicant: 东南大学
IPC: H04L47/783 , H04L41/14 , H04L41/142
Abstract: 本发明提供了一种目标函数未知的动态资源分配方法，该方法设计了一种新的分布式强化学习算法。本发明提出的分布式强化学习算法基于多智能体系统和强化学习模型，采用分布式的方式解决了动态资源分配的问题，可以在目标函数未知的情况下，实现智能体之间的网络资源分配。此外，本文提出的分布式强化学习算法不仅可以提供算法的隐私保护和信息安全，还可以提高算法的可扩展性。通过仿真结果实例，说明该分布式强化学习算法在目标函数未知的动态资源配置问题的数值示例中具有良好的性能和有效性。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
